电站锅炉用煤常规结渣指标的模糊综合评判

运用常规结渣指标在判别电站锅炉用煤结渣特性时存在着较强的主观性,导致判别结果分歧较大.为此,提出了常规结渣指标的模糊综合评判方法,并将之用于8个煤种的结渣特性判别,所得评判结果与实际结渣状况相符.文中还强调了隶属函数的建立及权重集的选择对模糊综合评判的影响.

生物质热转化过程中积灰沾污结渣特性及趋势预测研究进展

为阐明生物质灰的沾污结渣特性及其趋势预测研究现状,使生物质能热转化利用过程更加安全,在综合分析生物质灰沾污结渣的危害及机制的基础上,从沾污结渣特性与沾污结渣预测两方面归纳国内外研究进展,梳理出影响结渣的主要因素——灰分组成、反应温度、气氛和添加剂等;并对沾污结渣趋势的预测方法和研究趋势进行分析。针对实际工程中锅炉受热面结渣和腐蚀问题,可以采用混烧、混入添加剂、水洗、酸洗、改变受热面材料、优化锅炉和烟道结构设计、优化反应条件等措施解决。在生物质灰沾污结渣趋势预测方面,目前并没有完整的统一标准,简单沿用煤灰的结渣指标存在严重的不适应性,且现有的预测方法通常只考虑固态或熔融成分对结渣的影响,而忽略了碱金属、氯、硫等元素挥发与温度变化的关系。因此,以热转化过程中碱金属的气-固分配趋势为基础,结合不同温度下生物质灰的特点及成灰特性,建立适用于不同温度下生物质灰的沾污结渣预测模型,是下一步研究应重点关注的问题。

陕北煤燃烧的结渣性研究

利用结渣性测定仪对陕北地区不同变质程度的四种煤样的结渣性进行测定,考察了空气流量和灰熔点对结渣率的影响,并根据煤结渣性的常用判别指标,综合得出了四种煤的结渣倾向.结果表明,煤的结渣特性不仅取决于煤灰中的化学成分,同时也在一定程度上取决于煤灰的熔点温度以及外部条件.

用灰色聚类方法评价煤的结渣性能

采用灰色系统理论中的灰色聚类方法对磁窑堡煤、石咀山煤及其混合煤的结渣性能进行了评判，并将该方法所得评判结果与常用结渣指标判别的结果及实际结渣情况进行了比较。结果表明：灰色聚类方法评价煤的结渣性能时，其分辨力比用常规方法判别时高，判别结果更符合客观实际。

煤粉工业锅炉炉膛结焦的影响因素及改进对策

炉膛结焦严重威胁燃煤锅炉运行的的安全稳定运行,某供热热水锅炉燃烧器周围及同水平面后墙侧墙位置结焦现象严重影响锅炉的长期运行并增加安全隐患。通过对结焦情况长期观察,基于煤灰的化学成分对结焦影响的分析,结合燃煤锅炉燃烧结焦的机理,采取优化锅炉运行氧含量、增大内二次风占比、减小煤粉颗粒粒径、优化煤种等措施对不同条件下的结焦现象进行对比分析,以探讨减缓炉膛结焦进程的改进对策。研究发现煤种是影响煤粉工业锅炉燃烧结焦的最主要因素,优化煤粉粒径及配风也有一定影响;通过现场取样对锅炉现用煤粉进行煤质及灰成分对比分析,并根据灰成分进行结渣性判别指标计算,结果表明锅炉燃烧现用煤种的灰熔融性温度较低,煤灰软化温度为1170℃,属于典型的易结焦煤种,结渣性严重。综合分析认为:锅炉燃烧煤种发生改变,煤的灰熔融温度较低是影响煤粉工业锅炉燃烧结焦的最本质因素。为进一步解决现场实际问题,采取破坏煤灰中酸碱比提高硅比,提升煤的灰熔融温度,配合调节煤粉粒径等措施。经调整后的锅炉连续运行时长明显延长,结焦状况得以改善,说明燃烧调整改进对策取得良好的效果。

混煤燃烧结渣性研究

利用结渣性测定仪对陕北地区的3种煤样及不同比例混合后混煤的结渣性进行测定,利用X射线衍射分析对混煤煤灰的矿物组成进行分析,并考察了空气流量及混合比例对结渣率的影响。研究结果表明,易结渣煤与结渣严重的煤混合可以显著降低易结渣煤的结渣率。同单种煤的结渣特性一样,混煤的结渣率不仅取决于煤灰组成,同样与燃烧的外部条件有关。

410t/h燃煤锅炉水冷壁结渣原因探讨及其解决

北京国华电力有限责任公司热电分公司的 1号锅炉出现了较为严重的结渣问题 ,为此从燃料 ;锅炉结构 ;燃烧器设计 ;炉内空气动力结构 ;运行状况等方面分析探讨了其结渣的原因 ,并针对造成结渣的原因提出了相应的改造措施。

高岭土对准东煤结渣特性及矿物质演变的影响

采用热分析和X射线衍射物相分析相结合的方法,对添加高岭土前后的准东煤灰矿物质组分随温度的演变规律进行了研究,分析了高岭土对准东煤结渣特性的影响。结果表明,准东煤中原始矿物质以方解石、硬石膏、石英为主,高温下主要是镁硅钙石和硅酸二钙;掺混高岭土后准东煤灰熔融温度呈现先下降后上升趋势。掺混比例为3%时,准东煤灰以钙黄长石、铁橄榄石、镁硅钙石为主,三者易形成低温共融物,导致此比例下灰熔融温度大幅降低;添加比例超过6%后,灰中矿物质由易形成低温共融的钙黄长石向高熔点的钙长石转变,ST温度快速上升至1 380℃;结渣指标计算结果表明,高岭土在原煤中掺混比例达到6%时,能够有效缓解准东煤结渣。

煤灰结渣特性综合判别模型的介绍

关于炉内结渣的化学-物理现象,美、英、德和澳大利亚等国曾对形成机理作了大量的研究工作,至今尚无令人满意的结果。近年来国外发展和总结出许多锅炉结渣经验判别指标,在我国锅炉和电站行业普遍推荐和引用。然而无论从国外或国内工程设计的初步应用来看,它们的判别效果并不理想,分辨率较低,有必要寻求提高这些经验判别正确性的途径。鉴于电站锅炉体积大,制造工艺并不十分精密,而炉内过程因素繁多,因此在逐步建立炉内过程数学模型进行定量化研究的同时,有意义的"精确度"越发变得十分困难。

基于BP神经网络和最小二乘支持向量机的灰熔点预测和对比

为了预测燃煤锅炉受热面的结渣情况,以灰成分金属氧化物、煤灰SO_(3)含量以及结渣评判指标为自变量,灰熔点变形温度(deformation temperature,DT)和软化温度(softening temperature,ST)为因变量,建立了BP神经网络(BP neural network,BPNN)和最小二乘支持向量机(least squares support vector machine,LSSVM)的灰熔点预测模型。回归分析和误差分析结果表明:针对样本量多的DT预测过程,2种模型精度接近,预测结果置信度均达到95%,相关系数均约为0.92,平均相对误差均约为3.4%;针对样本量较少的ST预测过程,LSSVM模型预测效果较优,相关系数为0.95052,高于BPNN模型的0.90426,平均相对误差为4.98%,并且大误差点个数少于BPNN模型。因此,LSSVM模型能够更准确预测飞灰的DT和ST。